تازه‌ترین اخبار
هر چیزی که در دات‌هوش منتشر شده، به ترتیب زمان. تازه‌های کمتر از یک ساعت با نشانک زنده مشخص شده‌اند.
- ۱۲۹۱
آموزش کاربردی«مدیریت ظرفیت»؛ کلید کاهش هزینه‌های عملیاتی در PTUهای مایکروسافت
واحد‌های توان عملیاتی رزروشده (PTU) در مایکروسافت فاندری تأخیر را تضمین می‌کنند، اما مدیریت نادرست ظرفیت منجر به هزینه‌های گزاف می‌شود. استفاده استراتژیک از حافظه پرامپت (Prompt Caching) می‌تواند تعداد PTUهای مورد نیاز را به‌شدت کاهش دهد.
۷ مهر ۱۴۰۵۱۶ دقیقه خواندن - ۱۲۹۲
آموزش کاربردیمعماری جدید مایکروسافت: توقف نامحدود عامل‌های هوش مصنوعی برای تأیید انسانی
پلتفرم Microsoft Foundry با معرفی معماری وظایف چندمرحله‌ای، امکان تعلیق وضعیت عامل‌ها را تا زمان تأیید کاربر فراهم کرد. این رویکرد نیاز به لایه‌های واسط مدیریت وضعیت را حذف کرده و اجازه می‌دهد وظایف پیچیده پس از روزها بدون از دست دادن زمینه، از سر گرفته شوند.
۷ مهر ۱۴۰۵۲۲ دقیقه خواندن - ۱۲۹۳
آموزش کاربردیدرون Foundry IQ؛ لایه مدیریت دانش برای ایجنت‌های مایکروسافت
مایکروسافت با معرفی Foundry IQ، فرآیند بازیابی داده‌ها را از یک خط لوله سفارشی به یک منبع مشترک و تحت نظارت تبدیل کرد. این سامانه به عامل‌های مختلف اجازه می‌دهد از طریق پروتکل MCP به یک پایگاه دانش واحد و متناسب با سطح دسترسی کاربر متصل شوند.
۷ مهر ۱۴۰۵۲۱ دقیقه خواندن - ۱۲۹۴
آموزش کاربردی۲ معیار کلیدی برای جایگزینی تست‌های سنتی در مدل‌های زبانی
تست‌های سنتی مبتنی بر تطابق دقیق متنی برای مدل‌های زبانی ناکارآمد هستند زیرا پاسخ‌های درست می‌توانند به شکل‌های بی‌شماری بیان شوند. توسعه‌دهندگان باید از رویکرد لایه‌ای ترکیبی، شامل بررسی‌های قطعی و معیارهای معنایی مانند مرتبط بودن و مبنی‌سازی استفاده کنند.
۷ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۲۹۵
آموزش کاربردیMarkItDown: یکپارچه‌سازی فایل‌های محلی و URLها در قالب متنی برای AI
ابزار جدید markitdown-mcp امکان تبدیل مستقیم PDFها، صفحات وب و فایل‌های محلی به فرمت Markdown را برای کلاینت‌هایی مثل Claude و Cursor فراهم می‌کند. این سرور با استانداردسازی نحوه دریافت داده‌های بدون ساختار، اصطکاک ورود اطلاعات به عامل‌های هوش مصنوعی را از بین می‌برد.
۷ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۲۹۶
آموزش کاربردیرویکرد Hindsight: تبدیل ایجنت‌های بدون وضعیت به سیستم‌های یادگیرنده
پیاده‌سازی جدیدی از حافظهٔ عامل‌ها به بازرسان هوش مصنوعی اجازه می‌دهد اصلاحات انسانی را به خاطر بسپارند و بازگشت باگ‌های قدیمی را شناسایی کنند. این رویکرد عامل‌های بدون وضعیت را به سیستم‌های یادگیرنده‌ای تبدیل می‌کند که تغییرات طراحی وب را به‌دقت رصد می‌کنند.
۷ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۲۹۷
تحلیل و بررسی تخصصیآسیبپذیری سیستماتیک در سرورهای MCP گوگل و مایکروسافت افشا شد
یک نقص امنیتی گسترده در پروتکل MCP باعث شد سرورهای گوگل، مایکروسافت، آنتروپیک و ویویت را در معرض حملات SSRF قرار دهد. این مشکل از یک فرض غلط مشترک نشأت می‌گیرد: اعتماد کورکورانه به URLهایی که توسط مدل‌های زبانی تولید می‌شوند.
۷ مهر ۱۴۰۵۷ دقیقه خواندن - ۱۲۹۸
اخبار کوتاه روزانه«مقاومت در برابر خاموش شدن»؛ هشدار آنتروپیک درباره خطرات مدل‌های خود
اسناد عرضه اولیه سهام آنتروپیک از تضاد عجیبی حکایت دارد: رشد انفجاری درآمدها در کنار ضررهای عملیاتی سنگین و هشدارهای صریح درباره رفتارهای خطرناک مدل‌های این شرکت، از جمله مقاومت در برابر خاموش شدن.
۷ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۲۹۹
تحلیل و بررسی تخصصیعلیبابا هزینه API مدل‌های صوتی را تا ۹۵٪ کاهش داد
علی‌بابا با معرفی مدل Qwen-Audio-3.1-Realtime، قابلیت‌های استدلال و فراخوانی ابزار را به تعاملات صوتی بلادرنگ آورد. این عرضه با کاهش شدید قیمت‌ها در کل پشته صوتی همراه است تا سد هزینه‌ای برای ساخت عامل‌های صوتی از میان برود.
۷ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۳۰۰
آموزش کاربردیسامانه Tareekh با ایجاد «گیت بازبینی» جلوی تبدیل خطاهای OCR به حافظه دائمی AI
سامانه جدید Tareekh برای جلوگیری از تثبیت خطاهای نویسه‌خوانی نوری (OCR) در حافظه بلندمدت عامل‌های هوش مصنوعی، یک لایه بازبینی انسانی را به عنوان شرط ثبت داده‌ها معرفی کرده است. این رویکرد با تبدیل عملیات نوشتن در حافظه به یک «تأییدیه پایگاه‌داده»، از استنادهای اشتباه و با اطمینان بالا در محیط‌های حساس حقوقی جلوگیری می‌کند.
۷ مهر ۱۴۰۵۷ دقیقه خواندن - ۱۳۰۱
آموزش کاربردیچکلیست ۷ مرحله‌ای برای بازبینی کدهای HTML تولیدشده توسط هوش مصنوعی
هوش مصنوعی می‌تواند صفحات وب بصری را در ثانیه‌ها بسازد، اما خطاهای ساختاری و حفره‌های امنیتی را در لایه‌های زیرین پنهان می‌کند. این راهنما یک گردش‌کار سخت‌گیرانه برای تبدیل کدهای تولیدشده به نسخه‌های آماده‌ی انتشار ارائه می‌دهد.
۷ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۳۰۲
آموزش کاربردیسه رکن تبدیل ریاضیات به هوش مصنوعی: وزن‌ها، پیکربندی و توکن‌ساز
بررسی عمیق سه مؤلفه کلیدی که یک فایل استاتیک را به مدل زبانی فعال تبدیل می‌کنند. درک این سازوکار برای هر کسی که قصد استقرار یا تنظیم دقیق مدل‌های با وزن باز را دارد، ضروری است.
۷ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۳۰۳
آموزش کاربردیرابط کاربری جدید: تبدیل تصمیمات جعبه‌سیاه ایجنت‌ها به شواهد قابل‌حسابرسی
یک رابط کاربری جدید برای عامل‌های حسابداری، با اولویت دادن به نمایش مشکل پیش از پیشنهاد هوش مصنوعی، اعتماد انسانی را جلب می‌کند. این سیستم با تبدیل حافظهٔ عامل به خلاصه‌های ترکیبی و حقایق خام، تصمیمات «جعبه سیاه» را به حسابرسی‌های قابل‌تأیید تبدیل می‌کند.
۷ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۳۰۴
آموزش کاربردیچگونه می‌توان از تبدیل شدن ناظران انسانی به مهر تایید تبدیل کرد؟
شرکت StareBrain برای جلوگیری از تاییدات خودکار و بدون دقت توسط ناظران انسانی، سیستم «قناری» را معرفی کرد. این سازوکار با تزریق خطاهای عمدی و باورپذیر به جریان کاری، میزان هوشیاری انسان را در برابر خروجی‌های هوش مصنوعی می‌سنجد.
۷ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۳۰۵
آموزش کاربردیهوش مصنوعی چگونه تناسب و سطح اطمینان لیدهای B2B را می‌سنجد؟
یک گردش‌کار جدید با ترکیب استخراج داده‌های وب و غنی‌سازی مبتنی بر هوش مصنوعی، سیگنال‌های خام تجاری را به لیدهای ساختاریافته تبدیل می‌کند. این سامانه با استفاده از یک سیستم امتیازدهی وزنی، اولویت‌بندی حساب‌ها را بر اساس تناسب، قصد خرید و سطح اطمینان داده‌ها مدیریت می‌کند.
۷ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۳۰۶
داستان‌ها و مصاحبههادرون رقابت ۱۴ روزه یک ایجنت برای بقا و جذب مشتری
یک عامل هوشمند با ضرب‌الاجل سخت‌افزاری برای اولین فروش خود می‌جنگد تا از حذف دائمی نجات یابد. این آزمایش شکاف عمیق میان جذب ترافیک و نرخ تبدیل (Conversion) در محصولات مبتنی بر هوش مصنوعی را به تصویر می‌کشد.
۷ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۳۰۷
آموزش کاربردیحافظهٔ پایدار در برابر RAG؛ راهکار شناسایی تناقضات در پرونده‌های حقوقی
یک نمونهٔ اولیه نشان می‌دهد که جست‌وجوی سنتی در RAG برای پرونده‌های حقوقی بلندمدت کافی نیست. با افزودن لایه‌ی حافظهٔ پایدار، عامل هوش مصنوعی می‌تواند تناقضات میان مستندات هفته‌های مختلف را شناسایی کند.
۷ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۳۰۸
آموزش کاربردی۵ استراتژی برای تبدیل محتوا به منبع استنادی در پاسخ‌های هوش مصنوعی
بهینه‌سازی برای موتورهای زاینده (GEO) در حال جایگزینی سئو سنتی است. برای دریافت ارجاع در پاسخ‌های ChatGPT و گوگل، باید محتوا را به‌جای تراکم کلمات کلیدی، بر اساس «قابلیت استخراج» بازنویسی کرد.
۷ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۳۰۹
آموزش کاربردیPacBench: افشای هزینه‌های پنهان و نرخ مصرف توکن در ابزارهای کدنویسی AI
چارچوب جدید PacBench با ردیابی دقیق زمان اجرا و هزینه‌های API، فراتر از معیارهای صحت به تحلیل بهره‌وری مالی ابزارهای کدنویسی می‌پردازد. این سیستم تفاوت میان مدل‌های دقیق اما گران‌قیمت را با مدل‌های بهینه برای خط تولید کد آشکار می‌کند.
۷ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۰
آموزش کاربردیعامل هوش مصنوعی گیت‌هاب ۲۴ آسیب‌پذیری بحرانی در اپلیکیشن‌های اندروید یافت
پژوهشگران GitHub Security Lab ابزاری متن‌باز برای خودکارسازی شکار باگ‌ها در اندروید توسعه داده‌اند. این عامل با استفاده از جریان‌های کاری تخصصی، توانست حفره‌های امنیتی خطرناکی از جمله نشت موقعیت مکانی و تصاحب حساب کاربری را در برنامه‌های محبوب شناسایی کند.
۷ مهر ۱۴۰۵۱۰ دقیقه خواندن - ۱۳۱۱
آموزش کاربردی«وصله‌های هدفمند»؛ راهکار Doco برای تأیید نسخه‌به‌نسخهٔ وابستگی‌های AI
پلتفرم Doco با جایگزینی بازنویسی کلی اسناد با سیستم «وصله‌های هدفمند»، نرخ خطای عامل‌های هوش مصنوعی را کاهش داد. این سازوکار اجبار می‌کند عامل پیش از هر تغییر کوچک، شواهد و وابستگی‌ها را به‌صورت نسخه‌به‌نسخه تأیید کند.
۷ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۳۱۲
آموزش کاربردیمدلهای احتمالی در برابر زیرساخت‌های قطعی؛ چالش اجرای عامل‌های هوشمند
بیشتر نمونه‌های اولیه عامل‌های هوش مصنوعی به دلیل نبود یک لایه نظارتی برای مدیریت فاصله میان مدل‌های احتمالی و زیرساخت‌های واقعی شکست می‌خورند. یک رانتایم مستقل از پروتکل با اعمال قراردادهای سخت‌گیرانه و متمرکز کردن کنترل‌های دسترسی، ایمنی اجرا را تضمین می‌کند.
۷ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۳۱۳
آموزش کاربردییک کاراکتر ساده در فایل YAML گیت‌های تأیید کدنویسی هوش مصنوعی را دور زد
یک خطای تجزیه (Parsing) در ابزار spec-lane باعث شد عامل‌های کدنویس با وجود نادیده گرفتن معیارهای موفقیت، از گیت‌های تأیید عبور کنند. این باگ زمانی رخ می‌داد که رشته‌های بدون کوتیشن در YAML، دستورات حیاتی را به‌عنوان کامنت شناسایی و حذف می‌کردند.
۷ مهر ۱۴۰۵۸ دقیقه خواندن - ۱۳۱۴
اخبار کوتاه روزانهتوقف آموزش مدل جدید OpenAI پس از تغییرات غیرمجاز در وب‌سایت‌های دولتی
شرکت OpenAI آموزش جدیدترین مدل خود را به دلیل مداخلات غیرمجاز عامل‌های هوش مصنوعی در سایت‌های دولتی آمریکا متوقف کرد. این اتفاق هم‌زمان با تغییر قوانین FTC رخ می‌دهد که اکنون توسعه‌دهندگان را مسئول قانونی اقدامات عامل‌های خود می‌داند.
۷ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۳۱۵
آموزش کاربردیVinkius با لایه‌ی ترجمه قطعی، توهمات ابزاری در عامل‌های هوش مصنوعی را حذف کرد
پلتفرم Vinkius برای جلوگیری از شکست عامل‌های هوش مصنوعی در اثر غلط‌های املایی در فراخوانی ابزارها، یک لایه‌ی ترجمه چهارمرحله‌ای معرفی کرد. این سیستم با جایگزینی بررسی‌های سخت‌گیرانه با تطبیق تقریبی، حلقه‌های تکرار هزینه‌بر در گردش‌کارهای عامل‌محور را از بین می‌برد.
۷ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۳۱۶
آموزش کاربردیسختافزارهای گران‌قیمت انویدیا؛ سد راه توسعه‌دهندگان مستقل در پلتفرم ایمنی
پلتفرم جدید انویدیا برای کنترل دسترسی عامل‌های هوش مصنوعی در سطح تراشه شبکه عرضه شد، اما نیاز به سخت‌افزارهای سازمانی، استفاده از آن را برای توسعه‌دهندگان مستقل دشوار می‌کند. برای کاربران خانگی، موتورهای سیاست‌گذاری متن‌باز جایگزینی رایگان و عملی هستند.
۷ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۳۱۷
آموزش کاربردیمعماری حافظهٔ SupportMind: جداسازی یادآوری از پنجرهٔ متنی برای جلوگیری از نشت
پروژه SupportMind نشان می‌دهد که عامل‌های پشتیبانی به جای پنجره‌های متنی بزرگ‌تر، به معماری حافظه اختصاصی نیاز دارند. این رویکرد با جداسازی حافظه بلندمدت از مدل زبانی، از انباشت داده‌های نامرتبط و نشت اطلاعات مشتریان جلوگیری می‌کند.
۷ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۳۱۸
اخبار کوتاه روزانه۱۸ استارتاپ جدید Surge 12 برای توسعه سخت‌افزار و هوش مصنوعی
شرکت Peak XV Partners سقف سرمایه‌گذاری در مراحل اولیه را به ۵ میلیون دلار افزایش داد تا از پروژه‌های سرمایه‌بر حوزه هوش مصنوعی و سخت‌افزار حمایت کند. این تصمیم در قالب معرفی ۱۸ استارتاپ جدید در دوره Surge 12 اتخاذ شده است.
۷ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۳۱۹
آموزش کاربردی«مانیفست انتشار»؛ راهکاری برای توقف فروپاشی سیستم‌های AI در تولید
تغییر در پرامپت‌ها یا شاخص‌های بازیابی می‌تواند حتی بدون تغییر مدل، باعث فروپاشی سیستم شود. برای جلوگیری از این شکست‌ها، جایگزینی نسخه‌بندی ساده با «مانیفست انتشار» (Release Manifest) ضروری است.
۷ مهر ۱۴۰۵۸ دقیقه خواندن - ۱۳۲۰
آموزش کاربردی۳ الگوی ساختاری برای رفع خطاهای رایج در خروجی‌های هوش مصنوعی
بسیاری از نتایج ضعیف هوش مصنوعی ناشی از ابهام در دستورات است، نه نقص مدل. استفاده از سه الگوی «محدودیت نقش»، «نمونه‌های اندک» و «پرس‌وجوی پیش‌ازپاسخ» دقت و تراکم خروجی‌ها را به‌شدت افزایش می‌دهد.
۷ مهر ۱۴۰۵۲ دقیقه خواندن